MedicalBenchmark
DeepSeek: R1 0528 provider

R1 0528

64

#64 319 modeloetatik sailkapen orokorrean

3 MIR azterketatan metatutako errendimendua

Puntuazio garbia

557.00 pts

Ziurtasuna

94.5%

Zuzenak / Okerrak

567 / 30

Kostu osoa

$2.92

Errendimendu Orokorra

(vs. batez bestekoa)
Ziurtasuna

94.5%

avg: 80.6%

Puntuazio garbia

557.00 pts

avg: 453.30 pts

Zuzenak

567

avg: 483

Okerrak

30

avg: 90

Kostu osoa

$2.92

avg: $9.58

Batez besteko erantzun-denbora

21.7s

avg: 17.9s

Irteerako tokenak

1.0M

avg: 1.3M

Arrazonamendu tokenak

651K

avg: 898K

Batez besteko konfiantza

99.3%

avg: 95.4%

Azterketaren araberako banaketa

MIR 2024
19
Zuzenak
194
Okerrak
6
Ziurtasuna
97.0%
Puntuazio garbia
192.00
MIR 2025
75
Zuzenak
183
Okerrak
17
Ziurtasuna
91.5%
Puntuazio garbia
177.33
MIR 2026
73
Zuzenak
190
Okerrak
7
Ziurtasuna
95.0%
Puntuazio garbia
187.66